Forskare Utvecklar Ny AI för Att Skapa Tutoring-system

Forskare från Carnegie Mellon University har visat hur de kan bygga intelligenta tutoringsystem. Dessa system är effektiva för att undervisa i olika ämnen, inklusive algebra och grammatik. 

Forskarna använde en ny metod som bygger på artificiell intelligens för att tillåta en lärare att undervisa en dator. Formuleringen gör metoden svår att förstå, men tänk på det som en dator som lär sig att undervisa av en mänsklig lärare. Datorn kan läras av den mänskliga läraren genom att visa den hur man löser vissa problem, såsom multicolumnaddition. Om datorn får problemet fel, kan läraren rätta till det. 

Att Lösa Problem På Egen Hand

En av de intressanta delarna av denna metod är att datorsystemet inte bara kan undervisa och lösa problem som det har lärt sig, utan också kan lösa alla andra problem inom ämnet genom att generalisera. Detta innebär att datorn kan komma att lösa ett problem på ett sätt som läraren inte har lärt den. 

Daniel Weitekamp III är en doktorand vid CMU:s Human-Computer Interaction Institute (HCII). 

“En student kan lära sig att göra ett problem på ett sätt och det räcker”, sa Weitekamp. “Men ett tutoringsystem måste lära sig alla sätt att lösa ett problem. Det måste lära sig att undervisa i problemlösning, inte bara att lösa problem.”

Utmaningen som Weitekamp beskriver är en av de största i utvecklingen av AI-baserade tutoringsystem. Nyligen utvecklade intelligenta tutoringsystem kan spåra studenternas framsteg, hjälpa till att bestämma vad man ska göra härnäst och hjälpa studenterna att utveckla nya färdigheter genom att välja effektiva övningsproblem. 

Utvecklingen av AI-baserade Tutoring-system

Ken Koedinger är professor i human-datorinteraktion och psykologi. Koedinger var en av de tidiga utvecklarna av intelligenta tutorer och arbetade med andra för att programmera produktionsregler för hand. Enligt Koedinger tog varje timme av undervisning 200 timmar av utveckling. Till slut utvecklade gruppen en mer effektiv metod, som visade alla möjliga sätt att lösa ett problem. Detta reducerade de 200 timmarna till 40 eller 50, men det är extremt svårt att visa alla möjliga lösningar för vissa mönster. 

Koedinger har sagt att den nya metoden kan tillåta en lärare att utveckla en 30-minuters lektion på samma tid. 

“Det enda sättet att få till en fullständig intelligent tutor hittills har varit att skriva dessa AI-regler”, sa Koedinger. “Men nu skriver systemet dessa regler.”

I den nya metoden används ett maskinlärningsprogram för att simulera de sätt som studenter lär sig. En undervisningsgränssnitt skapades av Weitekamp och det använder en “visa och korrigera”-process för programmering.

Medan metoden demonstrerades med multicolumnaddition, kan den maskinlärningsmotor som används tillämpas på andra ämnen, såsom ekvationslösning, bråkaddition, kemi, engelsk grammatik och vetenskapliga experimentmiljöer. 

Ett av de viktigaste målen är att denna metod ska tillåta lärare att konstruera sina egna datorbaserade lektioner, utan behov av en AI-programmerare. Detta tillåter lärare att tillämpa sina egna personliga åsikter om hur man ska undervisa eller vilka metoder som ska användas. 

Weitekamp, Koedinger och HCII-systemvetare Erik Harpstead var författare till den artikel som beskriver metoden. Den antogs av Conference of Human Factors in Computing Systems (CHI 2020). Konferensen var ursprungligen planerad till denna månad, men COVID-19-pandemin tvingade den att ställas in. Artikeln kan nu hittas i konferenshandlingarna, som finns i Association for Computing Machinerys digitala bibliotek.

Institutet för utbildningsvetenskap och Google (GOOGL ) hjälpte till att stödja forskningen.